A zero inefficiency stochastic frontier model
允许零无效率的随机前沿模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦企业效率的随机前沿估计，给定分类未单列该方向，也未提供归入结构估计的充分依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
允许零无效率的随机前沿模型
- 研究问题
- 当企业样本同时包含完全有效率和存在无效率的企业时，如何避免传统随机前沿模型强加全体企业均无效率？
- 方法与思路
- 作者提出允许零无效率的随机前沿模型，推导对数似然和无效率条件均值，并讨论完全有效率企业的存在性检验。
- 材料陈述的贡献
- 摘要称模型能够容纳两类企业，提供个体无效率估计及相关检验，并以模拟和实证例子展示方法的适用性。
- 阅读关注点
- 核对零无效率部分的建模方式、混合成分的识别、个体无效率预测，以及存在性检验的分布和实现条件。
- 阅读边界
- 仅依据所给出版社摘要；误差分布、识别条件、检验临界值及实证数据均未说明，不能判断分类或估计准确度。
原文摘要
Traditional stochastic frontier models impose inefficient behavior on all firms in the sample of interest. If the data under investigation represent a mixture of both fully efficient and inefficient firms then off-the-shelf frontier models are statistically inadequate. We introduce the zero inefficiency stochastic frontier model which can accommodate the presence of both efficient and inefficient firms in the sample. We derive the corresponding log-likelihood function, conditional mean of inefficiency, to estimate observation-specific inefficiency and discuss testing for the presence of fully efficient firms. We provide both simulated evidence as well as an empirical example which demonstrates the applicability of the proposed method.